時系列予測のための拡散モデルにおける分解可能な順方向プロセス

要約

本研究は、時系列予測のための新しいモデル非依存の順方向拡散プロセスを提案する。信号をスペクトル成分に分解し、エネルギーに基づいてノイズ注入を段階的に行うことで、季節性などの構造的な時間パターンを標準的な拡散モデルよりも効果的に保持する。この手法は既存のバックボーンと互換性があり、計算コストをほぼ増やさずに予測精度を向上させる。

全文は有料プランで閲覧できます。